3.9 YOLO 算法（Putting it together: YOLO algorithm）

假设要在图片中检测行人、汽车，同时使用两种不同的Anchor box

训练集：

• 输入X：同样大小的完整图片

• 目标Y：使用$3\times3$网格划分，输出大小$3\times3\times2\times8$，或者$3\times3\times16$

• 对不同格子中的小图，定义目标输出向量Y

编号2目标向量$y =\begin{bmatrix} 0 & ? & ? & ? & ? & ? & ? & ? & 1 & b_{x} & b_{y} & b_{h} &b_{w} & 0 & 1 & 0 \end{bmatrix}^{T}$，假设训练集中对于车子有一个边界框（编号3），水平方向更长一点，红框和anchor box 2的交并比更高，车子和向量的下半部分相关

模型预测：

输入与训练集中相同大小的图片，然后训练一个卷积网络，遍历9个格子，得到每个格子中不同的输出结果：$3\times3\times2\times8$

运行非最大值抑制（NMS）：

1. 假设使用了2个Anchor box，每一个网格都会得到预测输出的2个bounding boxes，其中一个$P_{c}$比较高

2. 抛弃概率$P_{c}$值低的预测bounding boxes

3. 对每个对象分别使用NMS算法得到最终的预测边界框

如果有三个对象检测类别，希望检测行人，汽车和摩托车：对于每个类别单独运行非极大值抑制，处理预测结果所属类别的边界框，用非极大值抑制来处理行人类别、车子类别、摩托车类别，运行三次来得到最终的预测结果